डेटा टाइप constraints

Python में डेटा क्लीनिंग

Adel Nehme

VP of AI Curriculum, DataCamp

कोर्स रूपरेखा

गंदा डेटा

कोर्स रूपरेखा

साइड इफेक्ट्स

कोर्स रूपरेखा

साफ डेटा

कोर्स रूपरेखा

साफ डेटा

अध्याय 1 - आम डेटा समस्याएँ

हमें डेटा क्यों साफ करना चाहिए?

डेटा साइंस वर्कफ़्लो

हमें डेटा क्यों साफ करना चाहिए?

डेटा साइंस वर्कफ़्लो

हमें डेटा क्यों साफ करना चाहिए?

Garbage in Garbage out

डेटा टाइप constraints

डेटा टाइप	उदाहरण
टेक्स्ट डेटा	First name, last name, address ...
इंटेजर्स	# Subscribers, # products sold ...
डेसिमल्स	Temperature, $ exchange rates ...
बाइनरी	Is married, new customer, yes/no, ...
डेट्स	Order dates, ship dates ...
कैटेगरीज़	Marriage status, gender ...

Python data type
`str`
`int`
`float`
`bool`
`datetime`
`category`

Strings से integers

# Import CSV file and output header
sales = pd.read_csv('sales.csv')
sales.head(2)

   SalesOrderID    Revenue    Quantity
0         43659     23153$          12
1         43660      1457$           2

# Get data types of columns
sales.dtypes

SalesOrderID    int64
Revenue         object
Quantity        int64
dtype: object

String से integers

# Get DataFrame information
sales.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 31465 entries, 0 to 31464
Data columns (total 3 columns):
SalesOrderID     31465 non-null int64
Revenue          31465 non-null object
Quantity         31465 non-null int64
dtypes: int64(2), object(1)
memory usage: 737.5+ KB

String से integers

# Print sum of all Revenue column
sales['Revenue'].sum()

'23153$1457$36865$32474$472$27510$16158$5694$6876$40487$807$6893$9153$6895$4216..

# Remove $ from Revenue column
sales['Revenue'] = sales['Revenue'].str.strip('$')
sales['Revenue'] = sales['Revenue'].astype('int')

# Verify that Revenue is now an integer
assert sales['Revenue'].dtype == 'int'

assert स्टेटमेंट

# This will pass
assert 1+1 == 2

# This will not pass
assert 1+1 == 3

AssertionError                            Traceback (most recent call last)
         assert 1+1 == 3
AssertionError:

न्यूमेरिक या कैटेगोरिकल?

...   marriage_status    ...
...                 3    ...
...                 1    ...
...                 2    ...

0 = Never married 1 = Married 2 = Separated 3 = Divorced

df['marriage_status'].describe()

       marriage_status
...
mean              1.4
std               0.20
min               0.00
50%               1.8 ...

न्यूमेरिक या कैटेगोरिकल?

# Convert to categorical
df["marriage_status"] = df["marriage_status"].astype('category')

df.describe()

        marriage_status
count                 241
unique                4
top                   1
freq                  120

अभ्यास करते हैं!

Python में डेटा क्लीनिंग